Die heutige digitale Welt verbindet alle mit Handheld -Geräten wie Mobiltelefonen und Tablets. Dies hat auch zu einer Erhöhung der Datenaustausch geführt, die ein effizientes Speichermanagement für das Speicher Speicher benötigt. Darüber hinaus müssen die Dateigrößen so gering wie möglich sein, dass die Dateigrößen so schnell und effektiv die Datenaustausch über das Internet teilen. Komprimierungsdateiformate bieten verlust- und verlustfreie Komprimierungsalgorithmen zum Komprimieren von Daten. Diese helfen bei der Reduzierung der Speicherauslastung und der schnellen Datenübertragung über das Internet. Versuchen wir in diesem Artikel, Wissen über die am häufigsten verwendeten Komprimierungsalgorithmen und deren Typen zu erhalten.
Verlustlose Komprimierungsalgorithmen
Wie der Name impliziert, gehören die verlustfreien Komprimierungsalgorithmen zu einer Kategorie von Datenkomprimierungsalgorithmen, die die Dateien komprimieren, ohne ihren Inhalt zu verlieren. Dies bedeutet, dass verlustlose Komprimierungsalgorithmen die ursprünglichen Daten aus den komprimierten Daten genau rekonstruieren können. Viele verschiedene Algorithmen werden entweder mit einer typischen Art von Eingabedaten ausgelegt oder durch Annahme, welche Art von Redundanz die unkomprimierten Daten wahrscheinlich enthalten. Im Folgenden finden Sie eine kurze Erklärung einiger der am häufigsten verwendeten verlustfreien Kompressionsalgorithmen:
BZIP2
Dieser Algorithmus verwendet den Burrows-Wheeler-Algorithmus mit RLE und Huffman-Codierung, um die Daten zu komprimieren. Es wird verwendet, um die Dateien nur zu komprimieren, ohne sie zu archivieren. Die komprimierten Dateien werden normalerweise mit der Erweiterung .bz2 gespeichert.
Huffman Coding
Dieser Algorithmus basiert auf einer bestimmten Methode zur Auswahl der Identität für jedes Symbol, was zu einem Präfixcode führt. Die Huffman -Codierung ist eine so weit verbreitete Methode zum Erstellen von Präfixcodes. Die Komprimierungsdateien mit Erweiterungen wie. Codierung.
Lempel-Ziv-Komprimierung
Dieser Komprimierungsalgorithmus ist auch als LZ77 und LZ78 die beiden verlustfreien Datenkomprimierungsalgorithmen bekannt. Die Kombination dieser Algorithmen basiert auf vielen Variationen, einschließlich LZW, LZSS, LZMA und anderen. Beide sind theoretisch Wörterbuchkodierer. Während der Komprimierung behält der LZ77 ein Schiebefenster bei. Später oder später wurde gezeigt, dass es dem expliziten Wörterbuch entspricht, das von LZ78 erstellt wurde. Daher entsprechen sie der Dekompression der gesamten Daten. Die Dateien mit. LZMA, LZO,.
Vorhersage durch partielle Übereinstimmung (PPM)
** Vorhersage durch partielle Übereinstimmung**, die auch als PPM bekannt ist, ist ein Komprimierungsalgorithmus, der auf Vorhersage und Kontextmodellierung basiert. Um das nächste Symbol in einem Stream vorherzusagen, verwenden die PPM -Modelle einen Satz früherer Symbole im unkomprimierten Symbolstrom. Der PPM -Algorithmus unterstützt die Dateien ZIP und 7z.
Langlänge Codierung (RLE)
Dieser Algorithmus wird auch als RLE -Verlust -Komprimierungsalgorithmus bezeichnet, das auf Sequenzen basiert, die denselben Datenwert enthalten, der in vielen benachbarten Datenelementen auftritt. Diese Sequenzen werden als Läufe bezeichnet. Der RLE hat jeden Lauf als einzelne Datenwert und Zählung gespeichert. Dies ist von Daten zu Daten, die viele Läufe enthalten, z. B. einfache grafische Bilder, z. Zeichnungen, Symbole, Zeilen und Animationen. Die Dateien mit. PSD, PSB, TGA Erweiterungen werden von RLE unterstützt
Verlustige Komprimierungsalgorithmen
Die Verlustkomprimierungsalgorithmen sind ein Schritt voraus, um die Speichergröße von Dateien zu verringern. Der Verlust einiger Informationen wird jedoch als Ablagerungen auf nicht wesentliche Details akzeptiert. Verlustige Datenkomprimierungsalgorithmen werden durch Forschung darüber gebildet, wie Menschen die Daten verstehen. Die meisten Verlustkomprimierungsalgorithmen basieren auf Transformationskodierung. Einige der berühmten Verlustkomprimierungsalgorithmen werden unten kurz erklärt:
Diskrete Cosinus -Transformation (DCT)
Discrete Cosinus Transform (DCT) ist eine begrenzte Abfolge von Datenpunkten hinsichtlich einer Summe von Cosinusfunktionen, die bei verschiedenen Frequenzen schwanken. Es wird in den meisten digitalen Medien verwendet, einschließlich digitaler Bilder wie JPEG, Heif, J2K, exif und DNG.
Wavelet -Komprimierung
Die Wavelet -Komprimierung ist ein verlustiger Kompressionsalgorithmus, der am häufigsten bei der Bildkomprimierung verwendet wird. Dieser Algorithmus verwendet ein Prinzip namens Transform -Codierung, bei dem zunächst eine Wavelet -Transformation angewendet wird. Dies schafft so viele Koeffizienten, wie Pixel im Bild sind. Da die Informationen in nur wenigen Koeffizienten statistisch konzentriert sind, können diese Koeffizienten leichter komprimiert werden. Bemerkenswerte Implementierungen sind JPEG 2000, DJVU und ECW für Standbilder.
Kartesische Wahrnehmungskompression (CPC)
Diese verlustige Komprimierung ist auch als CPC bekannt für eine hohe Komprimierung der Schwarz-Weiß-Raster-Bildgebung aus Archivscans. Der Algorithmus wird üblicherweise in der Webverteilung von Rechtsdokumenten, geografischen Handlungskarten und Designplänen verwendet.
Fraktale Kompression
Die fraktale Komprimierung ist ein verlustiger Komprimierungsalgorithmus für digitale basierte digitale Bilder. Der Algorithmus eignet sich für natürliche Bilder und Texturen und stützt sich auf Teile eines Bildes ähnlich den anderen Teilen desselben Bildes. Fraktale Algorithmen wandeln diese Teile in fraktale Codes um, mit denen das codierte Bild nachgebildet wird.
Abschluss
In diesem Artikel haben Sie Komprimierungsalgorithmen, ihre Haupttypen und häufig verwendete Komprimierungsalgorithmen gelernt. Es ist nicht notwendig, das Wissen über alle Komprimierungsalgorithmen in Ihrem Kopf zu halten. Wenn Sie jedoch eine intelligente Präsentation zum Thema verschiedener verlustiger oder verlustloser Kompressionen erstellen müssen, können Sie hier Hilfe erhalten. Metzen Sie daher diese Blog -Seite als Referenz mit einem Lesezeichen.